コンピュータが単に数値を計算するだけでなく、量子物理学の奇妙なルールを用いて、今日のスーパーコンピュータでは永遠に時間がかかるような問題を解決するために、現実の織り成す構造そのものと踊るような世界を想像してみてください。これは、医療から金融に至るまで、あらゆるものに革命をもたらすと約束されている分野、量子コンピューティングの世界です。しかし、あらゆる新しいテクノロジーと同様に、それはソフトウェア・ライブラリ、つまり量子ハードウェアに何をすべきかを伝える巨大で複雑な「取扱説明書」という基礎の上に築かれています。これらのライブラリを、量子マシンの「オペレーティングシステム」と考えてください。もしこれらのライブラリ内のコードにグリッチ（不具合）があれば、結果は誤ったものになり、科学者が誤った結論を導き出したり、貴重で希少な量子の時間を無駄にしたりすることにつながります。ハンドルがガタついている車を信頼したくないのと同様に、バグのあるソフトウェアを量子コンピュータに任せることはできません。

これらのデジタルエンジンをスムーズに動かし続けるために、テスターは「ファジング」と呼ばれる手法を使用します。ロボットが何千もの異なる鍵をランダムに鍵穴に投げ込み、鍵を壊したりメカニズムを詰まらせたりするものを見つけようとしている場面を想像してください。ソフトウェアテストにおいて、これはプログラムに何百万ものランダムで少し奇妙な入力を与え、クラッシュしたり異常な挙動を示したりしないかを確認することを意味します。最近、科学者たちは、単純なランダム生成器よりも優れた、よりクリエイティブなテストケースを書けることを期待して、人工知能（具体的には大規模言語モデル、またはLLM）をこれらのロボットとして使う実験を始めました。しかし、量子コードというトリッキーな世界においては、これらのAIロボットはつまずいており、量子ハードウェアにとって意味をなさない指示をしばしば書いてしまいます。

ここで、KQFuzzと呼ばれる巧妙な解決策を持つ新しい研究チームが登場します。彼らは、AIはコードを書くことには長けているものの、ルールが急速に変化する場面、つまり量子界で絶えず起きている変化の中で迷子になりやすいことに気づきました。これを修正するために、彼らはAIのための「知識ガイド」を構築しました。AIに推測させるのではなく、KQFuzzはライブラリの現在のルール、関係性、および履歴の詳細なマップをAIに提供します。これは、ロボットが鍵を投げ始める前に、GPSとルールブックを与えるようなものです。このマップと、どのテストケースが最も興味深く、さらにそれらを「変異（ミューテーション）」させてさらに奇妙なバリエーションを作成するかをチェックするスマートなシステムを組み合わせることで、KQFuzzは3つの主要な量子ライブラリ（Qiskit、PennyLane、Cirq）において13個の新しいバグを見つけることに成功しました。開発者はこれらすべてを確認しており、12個はすでに修正されています。

問題点：AIが量子の迷宮で迷うとき

量子ライブラリは、まるで形を変え続ける生き物のようなものです。新しいハードウェアが登場し、それに合わせてソフトウェアが書き換えられなければなりません。これは標準的なテストツールにとって悪夢となります。

第一に、従来の「回路レベル」のファザーがあります。これらは、単純なレゴブロックの構造を作る方法しか知らないロボットのようなものです。彼らは有効な回路を構築するために厳格に書かれたルールに従います。構造的な亀裂を見つけるのには優れていますが、非常に硬直的です。現代の量子ソフトウェアの高度な新機能には対応できません。彼らは、たとえ材料が目の前にあっても、トーストを作る方法しか知らないシェフのようなものです。

次に、AIを活用したファザーがあります。これらは、エッセイやコードを書くものと同じ技術である大規模言語モデル（LLM）を使用して、テストケースを生成します。AIは数百万のコード例を読んでいるため、完璧な量子プログラムを書けるはずだという考えです。しかし、ここには落とし穴があります。量子界の動きは速すぎます。AIの学習データはしばしば古くなっています。新しいバージョンのライブラリのためのコードを書くよう求められると、AIは「ハルシネーション（幻覚）」を起こし始めます。存在しないコマンドを捏造したり、すでに削除された古いコマンドを使用したりします。著者らの研究によれば、AIに量子ライブラリのコードを書かせた際、実際に動作したのはわずか**35%から46%でした。これを、AIが正解を出す割合が64%から86%**である古典的なソフトウェア（標準的なPythonライブラリなど）と比較してみてください。AIは暗闇の中で推測しているようなもので、その推測のほとんどは間違っています。

解決策：知識豊富なガイド、KQFuzz

著者であるFuyuan Xia氏らのチームは、推測することをやめることにしました。彼らは、AIの「知識豊富なツアーガイド」として機能するKQFuzzを構築しました。AIを盲目的に彷徨わせるのではなく、KQFuzzはテスト対象のライブラリのソースコードから直接抽出された知識の「コーパス（集合体）」をAIに与えます。

このように考えてみてください。特定の都市についての物語を書きたい場合、単に自分の記憶（それは間違っているかもしれません）に頼るのではなく、地図を見て、通りの名前を確認し、建物がどのように接続されているかを確認します。KQFuzzは、量子コードに対してまさにこれを行います。それは以下の内容を含むデータベースを構築します：

1. 静的メタデータ： ライブラリ内にあるすべてのツール（API）の正確な名称と場所。
2. 関係性： 異なるツールがどのように互いに通信するか（例：「ツールAは通常ツールBの後に続く」）。
3. 意味モデル： コードを読み取る強力なAIモデルによって記述された、各ツールの実際の動作の要約。
4. 進化指標： ツールが時間の経過とともにどのように変化してきたかの履歴であり、どのツールが不安定であったり頻繁に更新されたりしているかを強調するもの。

このマップを手にした状態で、KQFophは「ファジング」AIを導き、実際に有効なテストケースを生成させます。単にAIに「コードを書け」と命じるのではありません。「ここに現在のマップがあります。これら特定の、扱いが難しいことが分かっているツールを使用し、これらがこのように接続されるようにしてください」と指示するのです。このアプローチにより、生成されたコードの妥当性が大幅に向上し、失敗の多いプロセスが信頼できるものへと変わりました。

戦略：2段階の変異と適合度チェック

KQFossが有効な開始点（「シード」プログラム）を得たら、そこで終わりではありません。バグは複雑な相互作用の奥深くに隠されていることが多いため、それを見つけ出す必要があります。そのためには、2段階の戦略を用います。

1. 適合度関数（審判）：
すべてのテストケースが等しく価値を持つわけではありません。単純で退屈なものもあれば、複雑で混沌としたものもあります。KQFuzzは、各テストケースを格付けするために「適合度関数」を使用します。以下の項目をチェックします：

• ゲートの多様性： さまざまな種類の量子操作が使用されているか？
• 絡み合った量子ビット（エンタングルメント）： 量子ビットが複雑な方法で相互作用しているか？
• APIの多様性： 異なる部分のライブラリが一緒にテストされているか？
• 呼び出しの深さ： コマンドの連鎖がどれほど深いステップまで続いているか？

テストケースがこれらの指標で高いスコアを獲得した場合、「適格（フィット）」とみなされ、次のラウンドへと保持されます。これにより、システムはバグが潜んでいそうな最も有望で複雑なシナリオにエネルギーを集中させることができます。

2. 2段階の変異（シェイプシフター）：
最適なテストケースを選択した後、KQFuzzは小さな、かつスマートな変更を加えることで、それらを壊そうと試みます。これには2つの方法があります：

• パラメータレベルの変異： 数値を微調整します。量子ゲートはしばしば角度（0、1、$\pi$など）を使用します。KQFossは、これらの数値を「コーナーケース」――システムを混乱させる可能性のある、奇妙で極端な値――と入れ替えます。
• ゲートレベルの構造的変異： 回路の構造を変更します。あるタイプの量子ゲートを、内部ロジックは異なるものの似たような挙動をする別のゲートに入れ替えます。これは、シャーシが耐えられるかどうかを確認するために、車のエンジンを別のモデルに入れ替えるようなものです。

結果：バグの発見

チームは、最も人気のある3つの量子ライブラリ、Qiskit、PennyLane、CirqでKQFuzzをテストしました。彼らは、他のファザーやAIベースのテスターを含む、既存の最高のツールと比較しました。

結果は驚くべきものでした。KQFossは単に多くのバグを見つけただけでなく、他のツールが完全に見逃していたコードの部分を探索しました。

• Qiskitにおいて、KQFossはコードの**63.31%をカバーしましたが、次に優れたツールは53.00%**でした。
• PennyLaneにおいて、それは**45.44%に対して58.71%**のカバー率に達しました。
• Cirqにおいて、それは**73.79%という膨大なカバー率を叩き出し、競合他社の55.35%**を大きく引き離しました。

合計で、KQFossは13個のユニークなバグを発見しました。そのすべてがライブラリの開発者によって確認されており、12個はすでに修正されています。これらは単なる些細なタイポではなく、「境界違反」（極端な入力によってソフトウェアがクラッシュするもの）、「状態の乖離」（内部メモリが同期を失うもの）、および「意味論的違反」（コードがドキュメントに記載されている内容と異なる動作をするもの）といった深刻な問題でした。

Qiskitで見つかった特定のバグは、ループが原因でソフトウェアが自身のパラメータを見失い、長年気づかれずに放置されていた可能性のあるサイレントエラーを引き起こすものでした。開発者は、これが従来のテスト手法では捉えられなかった長年の課題であったことを認めています。

なぜこれが重要なのか

この論文は、量子コンピューティングの未来は信頼できるソフトウェアにかかっていることを示唆しています。これらのライブラリが急速に進化する中で、手動のテストは不十分であり、単純なランダムテストはあまりにも盲目的すぎます。KQFossは、AIの創造的な力と厳格な知識ベースのガイドを組み合わせることで、柔軟性と正確性の両方を備えたテストシステムを構築できることを示しています。これは、「スマートな」AIか「安全な」テストかのどちらかを選ばなければならないのではなく、その両方を得ることができるという証明です。

著者らは、彼らの手法が異なるAIモデル間で堅牢であることを強調しています。より小さく、より強力でないAIモデルを使用した場合でも、KQFossは競合を上回る性能を示しました。これは、「知識ガイド」こそが秘伝のソースであり、単にAIの脳の大きさによるものではないことを示唆しています。

結局のところ、KQFossは、量子コンピューティングという野生の、ペースの速い世界において、バグを見つける最善の方法は、ルールそのものよりもルールを熟知することであるということを思い出させてくれます。AIにマップを与えることで、研究者たちは、バグのない量子への旅がより確かなものになるようにしたのです。